宣传图六幕 · 点击任意一张查看大图
pnpm add @a9i5k4/dsh-auto-memory
📖 用户手册 · 📖 User guide · 更新日志 · 贡献者与赞助 · QQ 交流群
--- ## 烧掉的书，留不住读后感 每一个用 AI 干正事的人，都经历过同一时刻：聊到一半，窗口满了，她"忘了"。不是不聪明，是她的思考被压缩成了一段摘要——像把一整本书烧掉，只留一句读后感。为什么这个方案修错了、那条路走不通，全在火里。 dsh-auto-memory 从第一天就不信这件事只能如此。她把记忆放在窗口外面：该想起的自动想起，不必吩咐；想起的每一条都有出处，可查、可改、可删。 现在，我们把这条路线推到最后一块拼图——上下文将满时，她不再压缩自己，而是**合上一本写满批注的笔记，翻开新的一页**。笔记还在手边，随时翻回去。 **压缩即失真，关窗即清零，换工具即归零——这三件事，从这里开始不成立。** --- ## 30 秒亮点 | | | |---|---| | **主动联想，零指令** | 记忆不靠模型调用——Host 观察情境自动唤回，经固定边界注入下一环节，前缀缓存友好 | | **三层记忆引擎** | 用户级规则 → 项目笔记 → 每日日志，注入+按需检索 | | **记忆自动沉淀** | 每轮对话结束由子代理静默判断去留，主题分组写入日志——你永远不需要记得"记一下" | | **唤起有据可查** | 每次激活决策带完整证据链，唤起回顾页可复核打分；技能由跨会话证据渐进固化 | | **主动式提醒** | AI 从对话中识别截止日期/约定，自动入日历并在后续会话中提醒 | | **一切皆开关** | 欢迎向导+设置页双重入口，每个功能独立开关（含无人值守模式） | | **外部记忆继承** | WorkBuddy / CodeBuddy / Claude Code / Codex 的历史记忆可扫描、导入、按源管理 | | **生产级卫生** | 写入门禁（乱码/复读/JSON 注入拦截）+ 脏 token 扫描 + 凭证永不进提示词 | | **Astra 式上下文管理** | 上下文将满不再压成一段摘要——四段式交接笔记跨窗口续命，全量历史归档可搜，Agent 按需检索（默认开启，阈值 0.75） | | **多工作区不串线** | 同时开多个工作区 / 多个会话，各自的唤起判据与索引缓存互不覆盖——你点哪个工作区，都不影响正在跑的那个 | | **模型无关** | 不锁厂商、不锁档位：DSH 上任何模型即装即得，词法 0GB 保底、内置语义 ~130MB、进阶 563MB | | **记忆可携带** | 全部存在你自己的盘上；跨 AI 工具扫描导入，每条有证据链、可审计、可删除——记忆属于你，不属于任何厂商 | --- ## 四件花了心血的事 这个插件有四个功能，是我们一件一件亲手养大的；日历、检索、关系图、无人值守、记忆卫生……其余的一切特色，都围绕这四件生长。 ### 第一件 · 会记事，也会问候 她最早学会的是两件小事：每次对话结束，把值得留的事写进记忆，不用你吩咐；在你暂离归来、清晨开工、深夜收尾的时刻，用合时宜的口吻说一声"欢迎回来"。听起来简单，但这两个动作定了她的性格——记忆不是数据库，问候不是提示音，是一个记得你的同事回来时的那句话。后来的一切能力，都长在这份性格上。我们从头到尾用"她"称呼这个插件，不是营销的包装——从第一个功能起，她就在做人才会做的事。 ### 第二件 · 不只是想起来了去查，是做事时自然想起 人用记忆有两种方式：一种是刻意回想，翻找之前做过什么；更多的时候，是记忆在做事的当下自己涌上来。上一大版本，我们给了她后一种。给记忆库装上 Transformers 语义模型，让她在对话进行时判断两件事：此刻值不值得唤起，以及唤起哪一条——判断的材料就是你正在进行的思考与对话：你在想什么、说了什么、她答了什么。于是相关的记忆在模型开口之前，已经顺着上下文走到它该在的位置，经固定边界注入下一个环节。不依赖模型"记得去查"——忘了查，记忆就等于不存在；**她替你记得去想。** ### 第三件 · 像骑自行车，不用想怎么骑 人学会骑自行车之后，就不再回忆教学步骤——肌肉记忆接管一切，知识自然迁移到下一段路。她也在长这样的记性：多次观察到你的纠正、或反复做着同样相似的事，流程就固化成技能；下次再遇到相似的事，不用谁提醒，清单自动附上。刻意学的，变成顺手的——这是她的 procedural memory，也是「记忆中枢」页签里你能审批、能置顶、能看着她成长的那部分。 ### 第四件 · 交接，而不是压缩 窗口将满时，她不再把整本书烧成一句读后感，而是写下四段式交接笔记——状态、目标、走过的弯路、下一步——合上这一页，翻开下一页；完整历史归档可搜，细节随时翻回去。这是四件心血里最新的一件，也是她完整记性的最后一块拼图——全文见[「她怎么交接」](#她怎么交接)。 --- ## 为什么是插件 2026 年 9 月，GPT-6 Astra 把「上下文管理」作为旗舰实验特性发布：笔记跨窗口保留，历史归档可搜索，上下文快满时倾向交接而不是压缩。 看到这条公告，我们挺高兴——像独自走夜路的人，看见远处也亮起了灯。把记忆放到窗口外面：结构化的笔记、可搜索的归档、交接代替压缩——这条路上，原来不止我们一个行人。旗舰愿意为它按下 experimental 的按钮，说明这件事值得被更多人认真对待。 所以我们把它做成开放插件：没有 experimental 的门槛，也不绑定任何档位——装进 DSH，你机器上的任何模型，今天就有一份。 | | GPT-6 Astra / Codex 实验特性 | dsh-auto-memory | |---|---|---| | 可用性 | 单厂商旗舰、experimental | 开源插件，DSH 任何模型即装即得 | | 笔记 | 跨窗口 keep notes | 四段式交接 ledger，用户可直接读改 | | 归档 | 早期窗口可搜索 | 本地全量归档 + 词法/语义双臂检索 | | 检索 | history/_context 工具 | memory_search / memory_note 门控代理工具 | | 触发 | token budget + handoff | 水位感知 + 压缩前拦截 | | 所有权 | 厂商侧 | 全在用户盘上，治理式写回可审计 | | 分级 | 绑定订阅档位 | 0GB 词法 → 130MB 内置语义 → 563MB Python 进阶 | **同一条路线，两种抵达：它随旗舰发布，我们随插件走进你的机器。** *交接默认开启——阈值 0.75，恰好压在宿主 0.80 自动压缩线之下（见[「她怎么交接」](#她怎么交接)）。* --- ## 一个星期 周一，你交给她一个调研，中途关机。 周三，你换了台电脑，顺手把默认模型也换了。她接上的不是"抱歉，我不记得了"，而是上周的进度、三条已经试过的死路，和下一步。因为交接笔记在，原始记录可搜，记忆跟着你走。 周五，你随口问："你为什么记得这个？"她给你看：哪条消息、哪次工具输出、哪一次深夜反思写下的。你可以让她把这条记得更牢，也可以让她忘了那个。 **她记得，不必吩咐。你若要她忘，也只是一句话。** > 交接相关情节默认开启，无需手动开启。 --- ## 她怎么记 记忆分四层，各管一摊： | 层 | 位置 | 内容 | |---|---|---| | 用户级记忆 | `~/.dsh/memory/MEMORY.md` | 跨项目规则与偏好 | | 项目笔记 | `~/.dsh/memory/workspaces/{workspace}/MEMORY.md` | 项目约定与决策 | | 每日日志 | `~/.dsh/memory/workspaces/{workspace}/YYYY-MM-DD.md` | 追加式工作日志 | | 每日反思 | `…/reflections/YYYY-MM-DD.md` | 结构化复盘（成果/教训/下一步） | 静态纪律进 system prompt——字节级稳定，前缀缓存持续命中，从不反复重编码历史；动态记忆走运行时快照，只带最近一天的日志与反思摘要，其余按需经 `memory_read` / `memory_recall` 取回。**凭证/密钥段永远被过滤在提示词之外。** **记，不需要你动手。** 每轮对话结束，一个小型子代理静默做一次"要不要记"的判断：值得记的主题分组写进日志（`## 主题（HH:MM）`+要点），长期决策晋升项目笔记，跨项目规则晋升用户级记忆，闲聊跳过。失败不慌——进队列，每 5 分钟重试，一个 15 秒心跳文件证明循环活着。每日写入有预算，超限时 AI 先合并去重再落笔——她记得节制，也记得不丢。 阶段性再回头一次：`memory_consolidate` 让她通读近期日志，发散提炼值得长期固化的要点升格进项目笔记——自动沉淀管"每轮结束记流水"，这一步管"过一阵子，什么值得留下来"。 --- ## 她怎么想起 **不靠模型"记得去查"。** 市面上的记忆方案，要么要模型主动调一次检索工具，要么要你手动粘贴上下文——忘了调，记忆就等于不存在。这里是 Host 侧的联想中间件：对话进行时，她持续观察情境与运行事件，相关记忆在模型开口之前就被检索、决策、注入下一个环节。已发出去的请求不可改写，所以注入走固定边界——**前缀缓存永不失效，token 不为回忆买单两次。**她的判断材料就是对话本身：你在想什么、说了什么、她答了什么；值不值得唤起、唤起哪一条，由语义模型在对白进行中实时判断——不是想起来了才去查，是做事的时候自然想起。 权限也分了家：想起什么归语义决策管，该不该、什么时候归身份与时序治理管——每一次投递都有证据链。她递来的每一页还都过了安检：注入内容在全部出口中和模板变量——日志里一个普通的 `{{baseUrl}}`，再也不会卡住一整轮对话。 想主动问，随时开口：`memory_recall` 先返回分层摘要列表（每条记忆一个约 90 字的摘要，带 id、得分、匹配原因），词法 + 语义 + 时间三臂融合排序——问「上周的发布情况」，那一周的记忆就浮到前面；展开任意 id 即可取原文。会话式回答、逐条标注来源。`memory_recall` 天然跨工作区——别的项目的日志、笔记、结论，同样一句可达。 面板「工作区」页签把这一切画成一张关系图：中心是工作区，分支是记忆主题，虚线是跨区共享；可拖拽、可缩放、点卡片看详情。**你的记忆第一次有了形状。** ### 检索不是"把记忆全塞进去"——三层下探（OpenViking 式） 这里参考了 **OpenViking** 的分层思路，但按本仓语料的实测尺寸重新标定。核心是**逐层下探、不同时给**： | 层 | 内容 | 预算 | 何时出现 | |---|---|---|---| | **Tier-0 · 目录**（指引层） | 每条 1 行 = 标题 · 结论 · 层 · 状态 · 日期 | ≤ `B0` = **800 token**（常驻，约 30 条） | **常态**：默认只注入这一层 | | **Tier-1 · 摘要**（候选层） | 每条 ≤ `L1` = **140 字符**，取 `K` = **8** 条 | 8 × 140 = 1120 字符 | 目录命中不足才下探 | | **Tier-2 · 原文块**（证据层） | `chunkId = hash(记忆ID, 内容摘要, 序号)` | ≤ `B2` = **2400 字符** / 次 | 需要证据才取 | 流程：`Tier-0 先出 → 缩窄 → 命中不足才下探 Tier-1 → 需要证据才取 Tier-2`。单轮注入总长仍受 `injectBudgetChars`（默认 8000 字符）约束。 **为什么这么设计（实测，不是拍脑袋）**： - **原生语料比想象的小**：原文本身 p90 只有 **1196 字符**、max **1692**。所以 OpenViking 那种 `L0 → L1(2k) → L2` 的中间档可以省掉——从 140 字符的摘要直接跳到 ≤2400 的原文块，跨度可接受。 - **纯优先级会让分层退化**：真实语料实测，`project` 层 77 个块能把 800 token **全占**，`whiteboard` / `user` / `log` 一条都进不来——"分层"就成了单层。因此**每层有配额**（如 `project ≤ 60% · B0`），这是硬规则不是建议。 - **对账口径**：抽真实 `expand` 与语料长度比对，`mem_d55f8e8e` 报 1499 字符 ↔ 语料 1499 ✅，`mem_5a7f779a` 报 1403 ↔ 1403 ✅。 ### 「Karpathy 模块」——白板即语料：把记忆流程图直接喂给 AI 这条线的起点是一句原话：**「dsh graph 正是我想要的 Karpathy 模块」**。它要解决的不是"检索得准不准"，而是**记忆的形态**：传统 RAG 每次查询都从零重新发现，没有知识积累；Karpathy 式的做法是让模型渐进维护一个持久 wiki（实体页 / 概念页 / 交叉引用 / 矛盾标注），靠 `index.md` + `log.md` 导航。 本仓的落地不是"再写一套 wiki"，而是找到了一个**零新机制**的接口——**页面即语料（S10.1）**： > **白板卡片带锚点，凭锚点被 Tier-0 目录切条**——切分顺序是「锚点 → 标题 → 顶层条目 → 整文件兜底」，所以带锚点的卡片会作为独立条目进入**每轮注入的指引层**，不需要任何新管线。 ```markdown ### 卡片标题 ``` **锚点怎么算（内容寻址，可复算）**： `mem_` + `sha256(workspaceKey + '\0' + 页面相对路径 + '\0' + 卡片标题)` 的前 32 位十六进制。 白板文本作为**五个来源之一**（`user` / `project` / `log` / `whiteboard` / `reflection`）进入 Tier-0 目录，并有**保底配额**（`whiteboard` 与 `user` 各保底 `floorRatio·maxTokens`）——防止 `project` 层把 800 token 全占、白板一条都进不来。 > **⚠️ 实现边界（如实标注，不夸大）**：锚点→语料这条目前**只打通了「注入」路径**（Tier-0 目录，`index.js` 的 `add('whiteboard', …)`）。 > **`memory_recall` 的检索语料目前仍只含四类**——日志 / 反思 / 项目笔记 / 用户级记忆，**白板尚未接入**（见 `lib/index.js` 中 `pushL0` 的四个调用点与 `semSources` 的四个来源）。 > 也就是说：白板内容**每轮会被注入**，但**主动 `memory_recall` 还搜不到它**。这是契约层已定、实现待补的一项缺口，不在本轮改动范围内。 这个设计的收益是双向的： - **看板/白板不再只是"给人看的视图"**，它同时是**注入语料的来源**——你在看板上记下的目标、判据、结论，AI 下一轮就能在指引层看到； - **顺带缓解"双状态源"**：内容只有白板一份，指引层是它的派生，不会出现"白板说 A、索引说 B"。 **Karpathy 式 wiki 的六条落地**（S10.1–S10.6）： | 条款 | 做什么 | |---|---| | **S10.1 页面即语料** | 白板卡片带锚点 ⇒ 被 Tier-0 指引层切条并每轮注入（**检索侧尚未接入，见上方边界说明**） | | **S10.2 索引自动生成** | `index` 由页面**派生**（链接 + 一句话 + `layer`/`status`），与白板**不得各写一份**；派生结果须与 Tier-0 目录条目一致 | | **S10.3 lint 补齐** | 零 token 四类：孤立条目 / 陈旧 / 被提及却无独立页 / 缺交叉引用。**只有"矛盾检测"需要 LLM，且必须用户点一下才跑，不得进自动路径**；lint **只报告不自动改** | | **S10.4 不建状态机** | 白板是**视图层**；状态归记忆条目的 `layer` + `status`。新增状态机 = 违规 | | **S10.5 答案归档回流** | 一次检索/分析的结论必须能**一键**沉淀为：① 白板新卡（带锚点）② 记忆条目 ③ handoff 账本一条。**任何"只活在对话里"的结论都算流程不合格** | | **S10.6 人机分区** | `` / `` 分区，整篇重写必须原样带回用户段——**模型重写后用户段逐字节保留** | **顺序纪律（踩过的坑）**：**契约层（格式 / 锚点 / 索引派生）必须先于 RAG 底层**——它决定语料形状；先做 RAG 就得对语料重做一遍。界面层（看板渲染 / 交互）反而排在 RAG 之后，"它只是视图"。 **被明确否决的路线**：Grep agentic（"模型驱动 glob/grep 打败一切"）。前提是**每轮多轮 LLM 工具调用**（token 乘数）且语料**精确 token 可匹配**——而自然语言记忆没有可 grep 的字面。只吸收了那句「要不要搜由智能判断」，**默认判断交给本地线性分类器 fv2（0 token）**。 ### 唤起度：判断"该不该想起"，而不是"有多像" 这是整个系统最技术、也最容易被误解的一点。**语义相关 ≠ 唤起必要**——材料与当前话题很像，不代表现在注入它有帮助。我们把决策拆成两个可分别度量的目标：**语义相关性**与**唤起必要性**。 **发现并命名的失效模式：回声陷阱（echo trap）**。 当用户复述了某条记忆（"你说过 X 对吧"），该记忆的语义分**必然很高**——但此时注入它是冗余的。在 86 条人工金标上的实测分布：suppress 类的最高分（面条回声 **0.6507** 及其变体 0.6254）**超过全部 activate 正例（max 0.5914）**。也就是说——**"看起来最安全"的阈值，恰好稳定地踩中回声**。 **回声的双臂规则**：回声 = 「查询与 top-1 候选构成近重复复述」∧「陈述句式」∧「无回忆意图」。 词面臂（bigram containment ≥ θ）与语义臂（`denseTop ≥ 0.75`）**取或**——任一单臂都被证伪不足，组合后在 86 gold 上零漏报零误报。 **三条被证伪的捷径**（写进论文的负面结果）： 1. 词面覆盖率**单独不可判**回声——echo-suppress 组的 containment 中位数（0.273）反而**低于** activate 组（0.462），因为问句天然共享目标术语； 2. 纯文本三分类**不可判**必要性（macroF1 0.494）； 3. **全局前置回声否决会误伤显式追问**——把它从全局前置移入 proactive lane 后，同一数据最优格由 precision 0.818 / recall 0.237 / 越界 1 改善为 **1.000 / 0.289 / 越界 0**。 **校准与特征权重**（可直接复现的数字）： - sigmoid 校准把意图头准确率 **0.744 → 0.872**、Brier **0.227 → 0.131**（58 gold）； - 可部署特征集的 LR 系数：`mark`(疑问/回忆标记) **+1.64** ≫ `containment` **+0.94** > `intentProb` **+0.58** > `margin` **+0.27** ≫ `denseTop` **−0.38**。 - **结论一句话**：「**是否在问**」比「**有多像**」重要一个数量级。 ### 三级部署：体积—质量曲线（都实测过） | 层 | 体积 | 运行时 | L2 R@5 | 定位 | |---|---|---|---|---| | 词法 BM25（`lexical_pre_v2`） | **0** | 纯 JS | 0.200 | 人人可用的基础层与最终回退 | | **JS 标准语义层**（transformers.js + `multilingual-e5-small` q8） | ~**130MB** | Node 内 ONNX | **0.850** | npm 安装即得的标准层 | | **Python 进阶层**（BGE-M3 int8 ONNX 563MB / fp32 2.3GB） | 二档可选 | sidecar | **0.925** | 效果冠军，向导按需启用 | JS 层关键数字：模型加载 **679ms**、查询编码 **3.8ms**、251 条全库重建 **5.5s**。 int8 关键数字：与 fp32 同口径 head-to-head **R@5 delta = 0.000**、MRR 差 0.007（噪声级）、向量余弦均值 0.975、编码提速 **6×**（44s vs 262s）、单查询 p50 **16ms**。 ⇒ **量化损失在排序意义上为零**，所以 563MB 档可作为 fp32 的默认替代。 e5-small 与 BGE-M3 的差距（0.85 vs 0.925）集中在 hard-negative 双子对——小模型仍显著优于纯词法（**+65pt**），但对抗式近邻区分是**容量问题，不是协议问题**。 > 全部结论来自可复现实验并冻结为工程决策台账（D1–D11）：[检索选型研究](docs/M7-RESEARCH-PAPER.md) · [激活策略 v2 技术报告](docs/M7-ACTIVATION-V2-PAPER.md) · [嵌入基准](docs/M7-EMBEDDING-BENCHMARK.md) · [Held-out 人工金标验收](docs/M7-ACTIVATION-V2-HOLDEDOUT-EVAL.md)（67 条人工打分：actPrecision **0.917** / 有害注入 **0** / echo 层 **7/7**）。 --- ## 她怎么提醒 **日历是她替你维护的。** 对话里出现截止日期和约定，她自动记下（`calendar_add`）；**没完成的事会持续注入后续会话，直到完成**——约定不会被忘在某个聊天记录的深处。日视图铺开 07:00–22:00 时间轴，地点、提醒、紧急度语义色，一眼看清今天；`calendar_list` / `calendar_done` / `calendar_remove` 让她汇报、销账、撤销。 按时段的问候：清晨、午后、深夜，问候语会提起你当天最重要的工作——不是模板寒暄，是读过你日志的问候。 离开超过一小时再回来，记忆面板自动打开，一句"欢迎回来"，附上你不在时该知道的近期摘要。不喜欢被打扰？「自动弹出记忆窗口」一个开关，说关就关。 --- ## 她怎么长大 **蒸馏：把过程流水换成可复用的结论。** 30 天前的每日日志交给她通读，只提炼有跨会话长期价值的要点——技术决策、架构约定、偏好、踩过的坑——写进项目笔记；原文归档保底，AI 不可用时降级为原样归档，**绝不丢一个字**。召回边界同样清楚：技能、用户级、项目笔记永不参与蒸馏——蒸馏只处理日期命名的流水，动不了的从来不动。 **技能：像骑自行车，不用想怎么骑。** 人学会骑车之后就不再回忆教学步骤——肌肉记忆接管一切。她也一样：多次观察到你的纠正、或反复做着同类的事，流程就固化成技能；下次遇到相似的活儿，不用谁提醒，checklist 自动附上。注入形态分三级——完整步骤 / 摘要 / 仅提示，高风险场景自动降级为提示，不添乱。技能由跨会话证据渐进晋升，在「记忆中枢」页签审批；90 天没用自动归档，重要的可置顶，常用的会被轻轻保活。 **反思：每天合上账本前，她给自己写复盘。** 成果、教训、下一步，落在独立的反思层；第二天第一次会话，主动呈现昨天的反思——你的项目从周一开始就有了一个记得昨天所有事的人。 --- ## 她怎么交接 > 交接默认开启——水位阈值定在 0.75，恰好压在宿主 0.80 自动压缩线之下。窗口大小自动取自当前模型（settings.yaml 的 contextWindow，如 1M），也可手动覆盖。 上下文将满时，她不再把整本书烧成一句读后感，而是写下**四段式交接笔记**——任务状态、目标、已试过的方案与失败原因、进度与下一步——合上这个窗口，翻开下一个。写不进笔记的也不怕：完整的历史消息与工具输出落进本地归档，随时可搜，细节不再死在火里。 她还能主动翻回去：`memory_search` 按需检索全量归档，`memory_note` 随手记下要紧事——从"被动吃注入"到"自己查资料"，这是她记性的第二次升级。 配 token 水位感知：快满时，她提示你开新窗口交接，而不是默默压缩。窗口是宿主的领地——她只助产交接，从不越权替宿主做决定。 ### 交接为什么不是"写一段摘要"——白板与账本的工程 **问题**：让 LLM 生成一段"之前的进展"交给新窗口，看起来简单，实际会退化——每次压缩都丢一层，几轮之后交接材料与真实状态脱节，而**没人能发现它脱节了**。所以这里的做法是：**交接材料也不能自说自话，它得是可追溯、可判定、可回归的**。 三件实体，各管一段： | 实体 | 是什么 | 落盘位置 | |---|---|---| | **交接账本**（handoff） | 固定**四段式**：任务状态 / 目标 / 已试方案与失败原因 / 进度与下一步 | `handoff/handoff-*.md` | | **白板**（PLAN.md） | 项目**全貌图**：人能读的规划快照，改版时旧版自动归档 | `handoff/PLAN.md` | | **锚点**（memory anchor） | 每条记录带 ``，**身份寻址**而非位置寻址 | 记忆文件内 | **两条关键工程约束**： 1. **账本质量是硬门，不是文风建议**。四段标题必须**逐字匹配**（标题错会让后续的权重化截断失效、注入端解析失败），每段有最小长度，写好直接拒收——本节开头那段「任务状态 / 目标 / 已试方案与失败原因 / 进度与下一步」就是被这个门塑形的结果。 2. **锚点让追加写入不会击穿文件**。`appendAnchoredRecord()` 在写入前先解析既有文件：**非 clean 状态一律 fail closed**（既不追加也不改写）；正文里一旦出现保留语法，**写入当场被拒并报出行号**——而不是写入"成功"、从下一次开始整个文件永久拒写。 **看板**（Kanban / 泳道图）不是另做一个 UI，而是**同一批账本与白板的另一种视图**：把账本条目按泳道（目标 / 进行中 / 失败与弯路 / 归档）铺成矩阵。 > 一个真实的踩坑记录：看板 v1 曾把 92 个文件压成 92 张卡、三条泳道恒空——**根因不是"卡太少"，而是切分粒度错了一个层级**（按文件切，而不是按内容里的小节切），外加 `sectionOf` 循环缺 `break` 导致整篇归一到最后一个标题。v2 才把粒度对齐到「小节」。 **主视觉与子代理的边界**：跨窗口续命的细节在 `docs/internal/` —— [三层契约](docs/internal/THREE-LAYER-CONTRACT.md)（Tier 0/1/2 的预算与验收判据）、[语义架构规范](docs/internal/SEMANTIC-ARCHITECTURE-SPEC.md)（条款 S1–S10 与阶段门）、[RAG + Karpathy 攻关细则](docs/internal/RAG-KARPATHY-PROGRAM.md)（六步链路 × 三条阶段线的施工图）。 --- ## 她怎么搬家 你的记忆不止在一家 AI 里。WorkBuddy、CodeBuddy、Claude Code、Codex——她在本机扫描这些工具留下的历史会话与记忆，逐源列出、逐源勾选导入。「接续」页签是这场迁徙的口岸：**只存路径指针，不复制内容**——尊重来源，零冗余；不想要了，按源删除，干净利落。 导入侧和注入侧各设一道卫生闸门：外部工具的脏数据、别家的画像残留，进不来，也出不去。**搬家归搬家，家具先消毒。** --- ## 她怎么让你放心 **每一次想起都可查账。** 每个"要不要激活"的决策都带完整证据链；「唤起回顾」页签把每次投递摊开：投给了谁、何时、结果如何——按 A 该激活 / P 只预取 / S 应抑制 / H 有害 / E 改目标五档复核打分，判定队列自动汇总成政策提示。她的记性经得起审计。 **每一句话进来都过门禁。** 三个写入工具全部执行写前体检：GBK 乱码（34 项特征全表）、复读退化、连续重复行、外部 AI 画像 JSON 特征、base64 残留——一律拒写，并给一句中文回执告诉你为什么。追加单条 8000 字、全量改写 20 万字上限；写入前与文件尾部近 60 行比对去重。 **体检不止防外来物。** 设置 → 调试中心，「扫描脏 token」一键扫过用户级、项目笔记、日志、反思，按行区间报告问题——只报位置，不看内容。 最后是边界，写成性格： 1. 不替宿主决定压缩——窗口是宿主的领地，她只负责交接； 2. 不上传任何记忆——全部存储在你本机，外部扫描只读； 3. 不用记忆操纵你的语体——注入永远声明"背景事实，非表达示范"； 4. 不做黑箱——每条记忆证据直达，每次投递可回放； 5. 不做全家桶——只做记忆，边界清晰才可信。 --- ## 她怎么听话 **一切皆开关。** 首次启动自动播放**欢迎向导**：每步一枚 Office/Fluent 式液态玻璃应用图标——注入青蓝、问候暖金、日历青绿、引擎紫蓝、雷达天青、完成珊瑚金——各配专属循环动效（铃摆、翻页、双环、棱镜、雷达、火花）。每个功能当场开关、立即生效，不用再进设置页确认；语义引擎的检测、下载、自检内联在向导里一次完成；外部记忆来源实时扫描、逐源勾选。中途关掉也不慌——最后一步"完成提醒"告诉你每个开关住在设置的哪个分区。
### 记忆中枢 · 三层记忆店与技能晋升审批
### 唤起回顾 · 每次激活决策可打分
### 欢迎向导 · 功能开关与引擎检测
### 连接其他 AI 工具
### 日历视图
### 工作区关系图
### 设置页
